Skogslandskapets påverkan på vindkraftparker

Skogbeklädda landskap är dominerande i regioner i norra Sverige. Trots att de skapar utmanande förhållanden för vindkraft – främst på grund av den ökade turbulens de ger upphov till – fortsätter vindparker att byggas i dem av olika strategiska och ekonomiska skäl.

Bedömningen av vindpotentialen i skogsområden begränsas dock ofta av de beräkningsverktyg som används. Dessa verktyg är i regel utvecklade för att ge snabba resultat, vilket ofta sker på bekostnad av noggrannheten. Eftersom skogens inverkan, terrängens utformning och atmosfärisk skiktning är komplexa och icke-linjära fenomen, krävs en avancerad och omfattande modell för att korrekt kunna analysera den samlade effekten på vinden och turbinernas prestanda. Detta projekt syftar till att integrera de olika faktorer som påverkar vinden över skogsbeklädda områden och utvärdera deras inverkan på vindkraftsproduktion.

Målet är att utveckla högupplösta modeller som med hög noggrannhet kan simulera vindens beteende i dessa miljöer. Särskilt fokus kommer att läggas på hur skogsegenskaper – såsom lövverkets täthet, trädens höjd och fördelning – samt variationer i terräng och atmosfäriska förhållanden påverkar enskilda turbiners prestanda och elproduktion under dygnets olika tider och under årets olika årstider.

Huvudmål: Att utvärdera de samlade effekterna på elproduktion och vakinteraktion i ett skogslandskap under dygnscykeln.
För att uppnå detta mål föreslår vi att följande specifika delmål uppfylls:
 
I. Att presentera en metodik som är lämplig för att utvärdera vindens egenskaper ovanför ett realistiskt skogsbeklätt område under idealiserade dygnscykler, baserat på LES (Large Eddy Simulation) med OpenFOAM.

II. Att utvärdera hur resultaten från (I) påverkar vindkraftverkens vakar. För detta kommer expansionskoefficienter för vakarna samt deras återhämtning att beräknas för olika konfigurationer.

III. Att jämföra vaksimuleringar med LES-metoden mot simuleringar med RANS (Reynolds-Averaged Navier-Stokes), för att fastställa i vilken grad RANS-approximationer minskar noggrannheten i resultaten.